百行业为先 ，万恶懒为首。——梁启超

😏1. 激光SLAM

SLAM（同步定位与地图构建）是一种机器人感知技术，用于在未知环境中同时确定机器人的位置并构建地图。

SLAM的基本步骤如下：

1. 数据收集：使用2D/3D激光雷达扫描环境并收集数据。
2. 坐标系设置：设置机器人和环境的坐标系，以使数据可以被准确地处理。
3. 特征提取：从收集的数据中提取关键特征，如环境中的墙壁、门、家具等，以便在地图中标记对象。
4. 运动估计：计算机器人在环境中的位置和方向，以便在地图中准确地放置机器人。
5. 地图构建：将收集的数据和特征存储在地图中，以便机器人在环境中导航。

SLAM可以应用于机器人领域，如自动导航系统、仓储物流、智能家居系统，甚至是无人机。它可以帮助机器人自主感知环境、绕过障碍物并完成任务。

😊2. 二维激光SLAM

最常见的二维激光SLAM的应用就是扫地机器人了。

ROS社区提供了多种2D SLAM算法，可直接使用或进行二次开发：

1. gmapping：该功能包提供了一个基于粒子滤波器的SLAM算法，可以使用2D激光雷达构建环境地图。

apt安装：sudo apt-get install ros-melodic-slam-gmapping

2. hector_slam：该功能包提供了一种基于反演测量束（raycasting）的SLAM算法，不需要里程计数据，直接使用2D激光雷达就可构建环境地图。

apt安装：sudo apt-get install ros-melodic-hector-slam

3. cartographer：该功能包提供了一种高质量、实时的SLAM算法，可以使用2D激光雷达构建环境地图。

4. laser_scan_matcher：该功能包提供了一个激光雷达数据匹配算法，可以用于机器人的定位、校正和导航。

5. karto_slam：该功能包提供了一个基于图优化的SLAM算法，可以使用2D激光雷达构建环境地图。

6. gridmap：该功能包提供了一种用于2D环境地图的数据结构和算法，可以方便地处理和分析2D地图。

😆3. 三维激光SLAM

目前大多数智能汽车使用的是三维激光雷达，3D SLAM也有许多开源算法，可直接使用或进行二次开发：

1. OctoMap：该功能包提供了一种生成3D环境地图的算法，可以使用激光雷达等传感器。

2. LOAM：该功能包提供了一个基于里程计的SLAM算法，可以使用Velodyne LiDAR等3D激光雷达，适用于室内和室外环境。

3. LeGO-LOAM：该功能包是LOAM的改进版，可以更精确地定位和建立3D地图，适用于室内和室外环境。

源码：https://github.com/RobustFieldAutonomyLab/LeGO-LOAM
运行：roslaunch lego_loam run.launch

4. RTAB-Map：该功能包提供了一种深度学习算法，可以使用激光雷达、RGB-D相机等传感器，建立3D环境地图。

5. libpointmatcher：该功能包提供了标准化的点云处理算法库，可以用于点云匹配、滤波、注册和配准。

以上。